果蝇大脑完整上传并驱动虚拟身体，全脑仿真进入具身时代

2026 年 3 月 7 日，一家名为 Eon Systems PBC 的旧金山初创公司发布了一段视频。视频里是一只虚拟果蝇在物理模拟环境中爬行、转向、搓“手”，动作谈不上优美，甚至显得有些笨。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

但这段画面的意义远超它的视觉观感，因为按照该公司联合创始人 Alex Wissner-Gross 在社交平台 X 上的说法，这只虚拟果蝇的一切运动，来自一个完整生物大脑的数字副本：神经元逐个对应，突触逐条连接，感觉输入流进去，神经活动在连接组网络中传播，运动指令流出来，物理仿真的身体执行动作。感知到行动的回路，第一次在全脑仿真中闭合了。

图丨相关推文（来源：X）

许多人可能还记得，在 2024 年 10 月《自然》杂志同期刊发了九篇论文，宣布了成年果蝇（Drosophila melanogaster）完整大脑连接组（connectome，即所有神经元及其突触连接的结构图谱）的绘制完成。这一工程由 FlyWire 联盟牵头，普林斯顿大学神经科学家 Mala Murthy 和计算神经科学家 Sebastian Seung 是核心领导者。

项目起源于 2018 年霍华德·休斯医学研究所 Janelia 研究园区对一只成年雌性果蝇大脑的纳米级电子显微镜成像。FlyWire 联盟随后花了数年时间，结合 AI 自动分割和全球数百名科学家及志愿者的人工校对，最终完成了约 139,255 个神经元和超过 5,000 万个突触连接的完整映射。这是迄今为止已完成的最大、最完整的成体动物大脑连接组，远超此前秀丽隐杆线虫（C. elegans）302 个神经元的规模。

在这组里程碑论文中，有一篇的第一作者是 Eon Systems 的高级科学家 Philip K. Shiu，彼时他还是加州大学伯克利分校的博士后研究员。Shiu 和合作者做了一件看似直觉但执行起来极为复杂的事情：他们把 FlyWire 连接组拿来，结合机器学习对神经递质类型的预测，构建了一个整个成年果蝇大脑的计算模型，即所谓的 LIF（leaky integrate-and-fire，漏积分放电）模型。这个模型可以在一台笔记本电脑上运行。

图丨相关论文（来源：X）

当他们模拟味觉和触觉感觉输入时，模型预测的神经元激活模式与真实果蝇大脑中的实验观测高度吻合，运动行为预测准确率达到 95%。Shiu 在伯克利的新闻采访中直白地说，这是一个“真正的神经网络”，区别于 AI 领域所说的人工神经网络。他认为从连接组出发构建大脑计算模型，代表了一条不同于大型语言模型的通往高级智能的路径。

但 Shiu 的模型有一个明显的局限：它是一个脱离身体的大脑。神经活动产生了运动输出信号，信号却无处可去，没有物理躯体来接收和执行。这就像拥有了一份完整的汽车发动机设计图并让它在台架上运转，却没有把它装到一辆车上去跑过。

2026 年 3 月公布的这次演示，试图填补这个缺口。

根据已公开的信息，Eon Systems 的新演示整合了三条技术线索。第一条是 Shiu 等人的全脑 LIF 计算模型。第二条是 NeuroMechFly v2，这是瑞士洛桑联邦理工学院（EPFL）Pavan Ramdya 实验室团队开发的果蝇神经力学仿真框架，于 2024 年底发表在《自然·方法》（Nature Methods）上。NeuroMechFly v2 为果蝇提供了一个具备视觉、嗅觉、本体感觉的虚拟身体，能在复杂地形上行走，支持多种感觉运动控制的仿真。

第三条是同样来自 EPFL 的 Pembe Gizem Özdil 等人关于果蝇梳理行为中身体部位协调的中枢脑网络研究。Özdil 等人的工作揭示了一类中枢化的中间神经元和共享的前运动神经元如何协调颈部、触角和前腿的同步运动，发现了两种耦合的回路基序：促进对侧触角俯仰的递归兴奋性子网络，以及抑制同侧触角俯仰的广播抑制网络。

Eon Systems 将这些组件连接起来：连接组衍生的全脑模型作为“大脑”，NeuroMechFly v2 和 MuJoCo（Multi-Joint Dynamics with Contact，一个由 Google DeepMind 维护的开源物理仿真引擎）提供“身体”和物理环境。感觉输入进入仿真大脑，神经活动通过完整连接组传播，产生运动指令，驱动物理仿真的果蝇身体执行动作。据称，这只虚拟果蝇表现出了多种不同的自然行为，而这些行为完全由仿真大脑自身的回路动力学驱动。

Eon Systems CEO Michael Andregg 随后也在 X 平台发布了一组补充说明。据他披露，这只“上传”果蝇的行为准确率达到 91%，而整个系统仅依赖四样东西：神经元之间的连接图谱、由突触数量决定的连接权重、兴奋性与抑制性神经元的分类，以及 LIF 神经元模型。换句话说，没有手工调参，没有额外的学习算法，连接组本身携带的信息加上一个极简的神经元模型，就足以让虚拟身体产生接近真实的行为输出。

在这项工作之前，全脑仿真和具身仿真一直是两条分开的路。

在全脑仿真方向，OpenWorm 项目自 2011 年启动以来一直致力于模拟秀丽隐杆线虫（C. elegans）的 302 个神经元和 95 块体壁肌肉。OpenWorm 在国际开源社区的模式下运作了十多年，开发了连接组的 NeuroML 模型和流体力学身体仿真引擎 Sibernetic。

2014 年，团队甚至将线虫的神经网络“移植”到了乐高机器人上，机器人表现出类似线虫的触碰回缩和前进行为。但正如 2024 年发表的 BAAIWorm 论文在《自然·计算科学》上指出的，OpenWorm 的脑体整合是开环的，缺乏环境反馈。而且 302 个神经元的行为库极其有限，线虫主要就是蠕动前行和回缩。

图丨OpenWorm（来源：OpenWorm）

在具身运动仿真方向，Google DeepMind 和 Janelia 研究园区合作开发的“flybody”项目在 2024 年发表了果蝇全身物理仿真的预印本（后于 2025 年正式发表于 Nature）。

他们在 MuJoCo 中构建了一个解剖学精细的果蝇身体模型，包含 67 个身体部件、66 个关节、102 个自由度，并用深度强化学习（deep reinforcement learning，DRL）训练人工神经网络控制器来实现逼真的行走和飞行行为。

这只虚拟果蝇能沿复杂轨迹行走和飞行，甚至能用虚拟复眼来导航。但关键在于：它的“大脑”是一个经过强化学习训练的人工神经网络，和真实果蝇大脑的生物学结构没有直接关系。行为是学出来的，不是从连接组长出来的。

Eon Systems 声称，他们的演示是第一次将来自生物连接组的完整仿真大脑与物理仿真身体结合，并且产生了多种自然行为。如果这一说法属实，它确实填补了一个重要的空白：从连接组到行为的完整感觉运动回路，在具身条件下闭合了。而他们的目标是在两年内完成小鼠大脑的完整数字仿真，并为最终的人类大脑仿真奠定基础。小鼠大脑约有 7,000 万个神经元，是果蝇的 560 倍。

当然，对这次演示我们仍需保留必要的谨慎态度。Shiu 等人的全脑模型使用了同质的 LIF 神经元，每个神经元用同一组参数描述，而真实神经元在形态、离子通道、放电特性上差异巨大。95% 的行为预测准确率说明连接组拓扑和递质类型包含了大量信息，但一个冻结权重、不会学习的大脑副本在多大程度上等同于原始生物体，这个问题从线虫时代就存在，远未被回答。

另外，Andregg 坦承，FlyWire 连接组只包含大脑，并未扫描果蝇的身体，因此无法追踪从大脑到肌肉的实际运动神经元通路。团队的做法是：根据大脑在执行特定运动时产生的已知神经活动模式，将其映射到 NeuroMechFly 的虚拟身体上。这意味着“闭合感知-行动回路”这一表述需要打一个折扣，大脑到身体之间存在一段人工搭建的桥接，而非完全由连接组数据自然生成的端到端通路。

且这项工作目前尚未以同行评审论文发表，演示中虚拟果蝇执行了哪些具体行为、如何量化、与真实果蝇行为偏差多大，均未披露。全脑仿真领域此前就有过沉痛教训：2014 年前后，欧盟的“人脑计划”（Human Brain Project, HBP）在获得十亿欧元资助后因目标过于宏大且管理混乱而遭受严厉批评，最终不得不大幅调整方向。

但如果 Eon 的演示确实实现了宣称的内容，那么它证明了仅凭突触级连接和神经递质类型信息，一个来自生物连接组的仿真大脑就能在具身环境中产生功能性行为。

回顾连接组学四十年的进程，1986 年 Brenner 绘制线虫 302 个神经元的完整连接图，2024 年果蝇幼虫 3,016 个神经元，2024 年成年果蝇近 14 万个神经元，数据积累和功能转化的速度都在加快。Shiu 从连接组发布到全脑计算模型发表几乎同期完成，Eon 从全脑模型到具身仿真演示只又过了约一年半。

Shiu 本人在接受伯克利新闻采访时说过，构建小鼠乃至人类大脑的计算模型提供了一条通往强人工智能的替代路径，与当前大型语言模型的路径不同。Eon Systems 所秉持的正是这一信念：不是去训练一个巨大的人工神经网络来模仿智能，而是去复制一个真实的生物大脑。不过果蝇大脑有十二万五千个神经元，人类大脑有八百六十亿个，两者之间的距离依然相当遥远。但果蝇的数字副本迈出了第一步。

参考资料：

1.https://theinnermostloop.substack.com/p/the-first-multi-behavior-brain-upload

2.https://www.nature.com/articles/s41586-024-07763-9

3.https://www.nature.com/articles/s41592-024-02497-y

4.https://www.biorxiv.org/content/10.1101/2024.12.17.628844v1

运营/排版：何晨龙